CENIDET

Y DESARROLLO
CENTRO NACIONAL DE INVESTIGACION

TECNOLOGICO
Reporte de tarea:
Observador para generacion de residuos en un biorreactor
Alumnos:
Montserrat Alegra Zamudio
Didhier Eduardo Montiel Quintero
Jes
us Reyes Martnez
Profesor:
Dr. Manuel Adam Medina

23 De Noviembre De 2014

Introducci
on:
Una de las formas para detectar las fallas en comparar el modelo del sistema con
un observador que es un modelo que act
ua mas rapido que el sistema, este estima los
estados del sistema y lo que se hace despues de esto, es comparar los estados del sistema
con los estados estimados, el cual al haber una falla, debera de ser detectada.
La generacion de residuos es un tema central en el diagnostico de fallas basado en
modelo. En este trabajo se aplica el metodo por observadores al caso de estudio del
digestor anaerobio tipo UASB. Y La generacion de una matriz con el diagnostico con
esta tecnica.
Planteamiento del problema:
Existen diferentes formas para detectar fallas en un proceso, se necesita el modelo el
cual nos permite comparar el sistema con el modelo sin fallas para saber cuando existe
una. El caso de estudio para diagnosticar las fallas es la de un digestor anaerobio tipo
UASB, el cual tiene variables de estado la concentracion de biomasa, concentracion de
materia organica y el flujo de gas metano, la entrada a este sistema es la degradacion
de DQO en el afluente.
Una de las tecnicas para detectar fallas es crear firmas a traves de los residuos que
nos expone el observador debido a que estima los estados del sistema. Esta tecnica es
analizada en un punto de operacion debido a que el sistema fue linealizado.
Objetivo:
Generacion de residuos mediante observadores, para la identificacion de firmas en
caso de fallas.
Marco te
orico:
Los observadores de estado, son herramientas virtuales, que permiten estimar las
variables de estado de un sistema en base a mediciones de las se
nales de salida y se
nales
de control. Existen dos tipos de observadores:
a) Observadores en lazo abierto, modelo paralelo.
b) Observadores en lazo cerrado, Luenberger y Filtro de Kalman.
En la siguiente figura se observa un observador en lazo cerrado.

Figura 1.- Observador en lazo cerrado

Para realizar un observador de orden completo considere la siguiente ecuacion que
representa a un sistema invariante en el tiempo en espacio de estados:
x = Ax + Bu

(1)

y = Cx
Donde:
x es el vector de estado (nx1).
u es la se
nal de control.
y es la se
nal de salida.
A es una matriz (nxn).
B es una matriz (nx1).
C es una matriz (1xn).
Se necesitan estimar los estados, para ello se tiene la siguiente ecuacion:
x = A
x + Bu

(2)

y = C x
Es el sistema estimado. Ademas una de las propiedades que se tienen que verificar
antes de crear el observador es, que el sistema debe ser observable. La observabilidad
se define como:
Si el sistema original es observable, su estado inicial x(0) puede ser calculado a
partir de las mediciones de u y y en un intervalo de tiempo, i.e. [0, t1] . Puede calcularse
entonces el estado en t2 y colocar x(t2 ) = x(t2 ). Entonces se tiene x(t) = x(t) para
toda t >= t2. As, se concluye que si el sistema original es observable, un estimador en
lazo abierto puede ser usado para generar el vector de estado.
Entonces, nuestro sistema debe de cumplir con la siguiente condicion:
*det(O) debe ser distinto de cero.
3

C
CA

O=
.

.
CAn1
Se aplica el termino de correccion a (2) con el fin de calcular los estados iniciales y
reducir el error. Se tiene:
x = A
x + Bu + L(y C x)

(3)

Donde:
L es el vector de ganancias del observador. Si las diferencias de la salida menos la
salida estimada es cero, ninguna correccion es necesaria. Si es diferente a cero, si la
ganancia se dise
na apropiadamente, entonces el estado estimado convergera al estado
actual. Este estimador se conoce como estimador en lazo cerrado. Entonces el estimador
en lazo cerrado puede reescribirse como:
x = (A LC)
x + Bu + Ly

(4)

La diferencia existente entre x y x se denomina error de observacion y el termino

L(y y) se denomina factor de correccion. Para determinar el error de observacion se
resta el estado actual menos el estado estimado, esto es:
e = x x

(5)

Derivando el error y sustituyendo se tiene,

e = (A LC)e

(6)

Estas ecuaciones la (5) y la (6) gobiernan el error de estimacion.

A partir de (7) se puede conocer el comportamiento dinamico y la estabilidad del
sistema. Si la matriz (A-LC) es estable, entonces el observador hara bien su trabajo y
dad cualquier condicion inicial, el sistema tendera a un error cero.
La eleccion adecuada del vector de ganancias L permitira que el comportamiento
dinamico del vector de error sea asintoticamente estable y lo suficientemente rapido
para tender a un valor de cero.
La estabilidad asintotica y la velocidad de respuesta de la dinamica de error se
determina mediante los eigenvalores de la matriz [A LC] dados por el polinomio
caracterstico [sI A + LC].

Si un estimador se utiliza como retroalimentacion de estado, entonces los eigenvalores del estimador deben ser mas rapidos que los eigenvalores deseados de la retroalimentacion de estado.
Se toma el teorema de (Chen,1999):
Considere el par (A,C). Todos los eigenvalores de [A LC] pueden ser asignados
arbitrariamente seleccionando un vector constante real L si y solo si el par (A,C) es
observable.
Si cumple con el teorema entonces puede dise
narse un observador de estados,
ademas que debe cumplir que el sistema sea estable.
Dise
no de un observador de orden completo
Verificar si el sistema es observable completamente.
Obtener la ecuacion caracterstica de la matriz del observador [A LC]. Si se
tiene que [u1 u2 ...un ] son los eigenvalores deseados, que son los que determinan
las caractersticas de la respuesta dinamica. Estos conforman el polinomio caracterstico.

(s u1 )(s u2 )...(s un )

(7)

El polinomio anterior se iguala al polinomio caracterstico original [sI A + LC]

creandose una equivalencia entre terminos:

[sI A + LC] = (s u1 )(s u2 )...(s un )

(8)

Encontrar la ganancia L
Se recomienda que los polos del observador sean de 3 a 5 veces mayores (mas
negativos) que los polos del controlador por realimentacion de estados, pero sin
salirse de la region de estabilidad dado por el lugar geometrico de las races.
Desarrollo
Modelo continuo del digestor anaerobio tipo UASB
Ocuparemos nuestro modelo linealizado, en el punto de operacion d = 0,3 e Iph =
0,9068. Los cuales generaron las matrices siguientes.

0
0,1769
0
0
1 0 0
A = 1,69 2,0687 0 , B = 0,3 , C = 0 1 0
0,5355 0,5571 1
0
0 0 1

El vector de estado se forma como sigue:

x1=Concentracion de biomasa s1=Concentracion de materia organica Qch4=Flujo
de gas metano a la salida del biorreactor
Con una entrada Si = 3 que es la concentracion de DQO en el afluente.
A continuacion se representa el sistema como en (1) con las matrices A,B y C.

0
0,1769
0
0
x = 1,69 2,0687 0 x + 0,3 u
(9)
0,5355 0,5571 1
0

1 0 0

y = 0 1 0 x
0 0 1
Filtro de variables de estado(FVE)
Los FVE permiten obtener las derivadas de las se
nales sin amplificar el ruido. Estos
filtros se calcularon en la tarea 3. Para ello se obtuvieron los diagramas de bode del
modelo continuo del digestor. De esta manera se obtiene la informacion frecuencial del
sistema y se reducen los efectos del ruido.
Se sabe que la variable que tiene la constante de tiempo mas rapida es la de la concentracion de biomasa con una constante de tiempo igual a 1.11 s y con una frecuencia
de corte de 0.9009 Hz. Por lo tanto, las ganancias para los filtros son:
K = (2 fc )2 = 1,616e3

af1 = 2 (2 fc ) = 56,8511
af2 = (2 fc )2 = 1,616e3
Con estos datos se dise
naron los filtros de variable de estados, con el proposito de
obtener las derivadas de las ecuaciones.
Dise
no del observador de orden completo
Primero se verifica que el sistema es observable completamente, para ello utilizamos
las matrices A y C, y lo implementamos en (3), debemos tener que el orden de la matriz
O sea de 3 para que nuestro sistema sea completamente observable.

1
0
0
0
1
0

0
0
1

0,1769
0
C

O = CA = 1,69 2,0687 0

0,5355 0,5571 1
CA2

0,299 0,366 0

3,4961 3,9806
0
1,477 1,6148 1
6

Se obtuvo el rango en matlab, el cual dio 3. Como el rango es 3, se dice que todos
nuestros estado son observables y podemos continuar.
Ahora obtendremos la ecuacion caracterstica de la matriz del sistema [sI A],
estos valores son:

(s + 1)(s + 1,9124)(s + 0,1563) = 0

(10)

Sabemos que de (11) obtenemos los eigenvalores del sistema. Por lo que procederemos a encontrar las ganancias de L, para nuestro polinomio caracterstico del observador, los valores de las ganancias L lo encontraremos mediante el software de Matlab,
con la ayuda de la funcion siguiente:

L = place(A, B, P )
Donde:
A y B son las matrice conocidas del sistema.
P es el vector de eigenvalores de la matriz A multiplicados por 5 debido a que los
polos del observador deber ser mayores negativamente que los polos del sistema. Para
que pueda estimar los estados.
Entonces P queda de la siguiente manera:
P = [5 9,5618 0,7817]
y se calcula nuestro vector de ganancia L y este es

L = [669,712240,916053,8974]
Simulacion en simulink y resultados
En este caso para la generacion de residuos el observador si filtro, debido a que no se
apreciaba claramente el residuo resultante de la diferencia de la salida de la planta y la
salida estimada. Quedando como se muestra en la siguiente figura nuestro observador
con filtro y en la figura 3 sin filtro. Este caso se lleva acabo una simulacion de 50
segundos.

Figura 2.-Observador con FVE.

Figura 3.-Observador sin el FVE.

A continuacion se mostraran los residuos generados cuando no existe ninguna falla.
De manera descendente se encuentra x1, s1, Qch4

Figura 4.-Residuos sin falla.

Ahora se generara una falla del 10 porciento en el sensor de x1 en el seg. 10, y los
residuos se muestran en la figura 5.

Figura 5.-Residuos con falla en el sensor x1.

Falla en el sensor s1 en el seg. 10.

Figura 6.-Residuos con falla en el sensor s1.

Falla en el sensor Qch4 en el seg. 10.

Figura 7.-Residuos con falla en el sensor Qch4.

Falla en el sensor de entrada del 10 porciento en el segundo 10.

10

Figura 8.-Residuos con falla en el sensor si.

Despues de observar los resultados que se muestran en las figuras 5,6,7 y 8, podemos
generas nuestras firmas para cada falla. A continuacion se muestra la tabla con los
residuos generados.

F (x1) F (s1) F (Qch4) F (si)

r1
1
1
1
1

r2 1
1
1
1
r3 1
1
1
1
?Conclusi
on
Existen diferentes metodos para generar residuos y detectar la falla. En este trabajo
se presenta la estimacion de estados mediante un observador de orden completo. Para
el digestor anaerobio UASB fue posible crear un observador que nos estime los estados.
Con esto podemos empezar a crear la evaluacion del diagnostico de fallas con este
metodo como trabajo futuro.
Bibliografa
C-T Chen(1999). Linear system theory and design. Third Edition.
M. P. Reyes Yepes, Sintesis de Observadores para sistemas lineales de parametros
variables (LPV). Estudio orientado para la deteccion y localizacion de fallas en
procesos de tratamiento de aguas residuales, Cuernavaca, Morelos: CENIDET,
2013.

11